[发明专利]一种基于黄金分割法的人脸图像聚类方法

摘要

一种基于黄金分割法的人脸图像聚类方法，包括以下步骤：1)应用深度卷积神经网络DCNN实现对数据库中所有人脸图片的特征表示；2)应用K‑Means++聚类算法实现对图像表征的聚类；3)基于0.618黄金分割法确定最优聚类数目，过程为：首先，给定聚类范围[a,b]，K∈[a,b]。在范围内任意初始化给定聚类数目K0，基于聚类结果的内部性能评估指标构建优化函数f(K)；接着，基于0.618黄金分割优化算法一维动态搜索函数最优解。该最优解即为最优聚类数目K*，对应聚类结果C*即为该人脸图像库的最佳聚类。本发明显著提升人脸图像聚类性能。

主权项

1.一种基于黄金分割法的人脸图像聚类方法，其特征在于，所述方法包括如下步骤：/n1)应用深度卷积神经网络DCNN实现对数据库中所有人脸图片的特征表示，步骤如下：/n步骤1.1：预处理是对图像做初步的修正处理；/n步骤1.2：基于Dlib人脸标注的68个特征点，准确定位图像中的人脸区域并裁剪该区域；/n步骤1.3：应用预训练的DCNN提取裁剪后人脸的特征，并输出128维的特征向量作为该人脸的表征；/n2)应用K-Means++聚类算法实现对图像表征的聚类，操作步骤如下：/n步骤2.1：以列矩阵形式表示人脸表征的集合X＝(X₁,X₂,…,X_n)，其中X为128维度的人脸表征，n为人脸的数目；/n步骤2.2：给定聚类数目K，随机初始化选择一个表征作为聚类中心点；/n步骤2.3：对于每一个X_i，X_i∈X，计算它到最近聚类中心点的欧氏距离D(X_i)并计算所有距离的总和/n步骤2.4：在SumD(X)的范围内生成一个随机数κ，使用如下准则：κ-＝D(X_i)直至κ＜0选择下一个聚类中心，这样使得拥有较大D(X_i)的表征点有更高的概率被选择作为下一个聚类中心点；/n步骤2.5：重复步骤2.3至步骤2.4直至K个聚类中心点(U₁,U₂,…,U_K)选择完毕；/n步骤2.6：计算各个人脸表征X_i与各个初始化聚类中心U_j的欧氏距离：D_ij＝||X_i-U_j||₂；/n步骤2.7：根据最小的D_ij确定X_i的簇标记：λ_i＝argmin_{j∈{1,2,…,k}}D_ij；/n步骤2.8：将X_j划入对应的簇：/n步骤2.9：计算新的聚类中心并代替原聚类中心U_j；/n步骤2.10：重复步骤2.6至步骤2.9，直到/n步骤2.11：输出簇划分结果C＝{C₁,C₂,…,C_K}；/n3)基于0.618黄金分割法确定最优聚类数目，过程为：首先，给定聚类范围[a,b]，K∈[a,b]，在范围内任意初始化给定聚类数目K₀，基于聚类结果的内部性能评估指标构建优化函数f(K)；接着，基于0.618黄金分割优化算法一维动态搜索函数最优解，该最优解即为最优聚类数目K^*，对应聚类结果C^*即为该人脸图像库的最佳聚类。/n